Computer vision 在体育比赛图像中丢弃人脸的更好的启发式方法

我目前正在研究一个体育比赛中运动员的身份识别问题，我有一个像这样的大型图像数据集：

我们正在使用人脸检测和一些启发式方法来丢弃观众的脸，只获取跑步者，我正在使用的启发式方法有：

使用retinafaces给我们的分数->非常糟糕的启发式

使用面部大小选择最大的或大于某个阈值的->听起来不错，但不好

使用面与图像中心的距离。->听起来不错，但不好

它们之间的组合->最好但不是很好

我想知道是否有人处理过类似的问题，或者知道有什么创造性的解决方案。（我们有更多的模型来检测人脸，但我们所有人都会遇到同样的情况）

---

谢谢你的阅读

听起来retinafaces是一个糟糕的检测器，或者你的数据比他们训练的模型更糟糕。由于相机必须处理弱光情况，您的示例图片具有严重的运动模糊。我建议与retinafaces论文和存储库的作者谈谈。听起来retinafaces是一个糟糕的检测器，或者你的数据比他们训练的模型更糟糕。由于相机必须处理弱光情况，您的示例图片具有严重的运动模糊。我建议与retinafaces论文和存储库的作者谈谈。